好书推荐:理解机器学习从理论到算法
加入收藏 
设为首页 
联系我们 
  2024年3月29日 星期五 您位于: 首页 → 发明学堂信息  → (浏览)  
浏览工具:缩小字体放大字体缩小行距增加行距 返回上一页 发布人:patent  我要发布信息
好书推荐:理解机器学习从理论到算法 发布于:2016/03/12
    随着互联网和大数据等新兴IT产业的兴起,机器学习技术已经渗透到我们生活的各个方面。例如,搜索引擎通过机器学习技术给我们推送最佳的搜索结果;反垃圾邮件软件通过机器学习技术为我们过滤电子邮件;数码相机通过机器学习技术帮我们识别相片中的人脸;智能手机通过机器学习技术可以理解我们输入的声音指令;汽车通过机器学习技术可以在未来实现自动驾驶,等等。机器学习技术在其他各个科学领域如生物信息学、天文学、物理学、医药学等领域也在发挥着重要的作用。本书对机器学习技术的理论和方法进行了系统的介绍。 http://www.1st.com.cn
  全书分为4大部分,共31章。1.对机器学习进行了概述,阐述什么是学习,为什么需要机器学习以及机器学习的种类。第1部分 基础,包括第2-8章:2. 问题引入;3. 学习的形式化模型;4. 一致收敛性学习;5. 偏置复杂性权衡;6. VC维;7. 非均匀的可学习性;8. 机器学习的运行时问题。第2部分 从理论到算法,包括第9-20章:9. 线性预测器;10. Boosting方法;11. 模型选择与验证;12. 凸学习问题;13. 正则化与稳定性;14. 随机梯度下降;15. 支持向量机;16. 核方法;17. 多分类、排序与复杂预测问题;18. 决策树方法;19. 最近邻方法;20. 神经网络方法。第3部分 其他机器学习模型,包括第21-25章:21. 在线学习问题;22. 聚类问题;23. 维度约减;24. 生成模型;25. 特征选择与生成。第4部分 高级理论,包括第26-31章:26. Rademache复杂性;27. 覆盖数;28. 机器学习理论基本定理的证明;29. 多类可学习性问题; 30. 压缩界;31. PACBayes界。
  本书几乎涵盖了机器学习的方方面面,兼顾了广度与深度,以及可读性与学术性,是一本非常难得的机器学习的专业书籍,适合研究人员和相关专业的研究生学习参考。
  张志斌,副研究员
  (中国科学院计算技术研究所)来源:国外科技新书评介
免责条款 | 友情链接 | 系统管理 | 返回页首|
版权所有:发明专利技术信息网 ©1999-2023

网站联系邮箱 E-mail:hangzhou@vip.sina.com
信息产业部网站ICP备案序号:皖ICP备11003032号-6

友情链接                  
您的位置 您的位置 您的位置 您的位置 您的位置 您的位置 您的位置 您的位置